CONTAGEM AUTOMÁTICA DE UNIDADES FORMADORAS DE COLÔNIAS EM AMOSTRAS DE CONTRA FILÉ COM O USO DO SOFTWARE OPENCV

A. Zonta; P. A. C. Luz; C. Andrigheto; M. C. M. Zonta

doi:10.18011/bioeng2018v12n2p197-211

Autores

A. Zonta
P. A. C. Luz
C. Andrigheto
M. C. M. Zonta

DOI:

https://doi.org/10.18011/bioeng2018v12n2p197-211

Palavras-chave:

Zootecnia de Precisão, Qualidade da Carne Bovina, Processamento de Imagens, Automatização

Resumo

A carne é um ótimo meio para a multiplicação de microorganismos e pode ser contaminada durante a aquisição da matéria prima, no processamento, armazenamento, transporte ou preparo. Rotineiramente centenas de placas de petri são utilizadas para a inspeção dos produtos alimentícios em laboratórios onde técnicos realizam a contagem das unidades formadoras de colônias. Como toda tarefa repetitiva, esta análise é susceptível à falhas humanas e exige uma quantia razoável de tempo. O objetivo deste trabalho foi desenvolver um algorítmo simples que não dependa de iluminação controlada, para realizar a contagem automática de unidades formadoras de colônias obtidas da incubação de amostras de contra filé. O algoritmo foi desenvolvido com o uso da linguagem Python v2.7 e a biblioteca OpenCV v3.0. A média de erro na contagem automática foi de 7,7% para as 40 placas processadas. Não foram encontradas contaminações significativas nos cortes bovinos analisados. O tempo médio empregado na contagem das UFCs pelo método visual e o automático foi de 44,6 e 2,07 segundos, respectivamente. O sistema desenvolvido apresentou resultados iniciais promissores. A iluminação não homogênea, o formato irregular e o contato entre colônias tem forte impacto no resultado das análises.

Downloads

Não há dados estatísticos.

Referências

ABIEC - Associação Brasileira das Indústrias Exportadoras de Carne. Exportação de carne bovina do Brasil. Disponível em: < http://www.abiec.com.br/download/exportacoes-jan-dez-2016.pdf> Acesso em: 11 maio de 2017.

ALVES, G. M. Método fundamentado em processamento digital de imagens para contagem automática de unidades formadoras de colônias, 2006. 125 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2006.

BRADSKI, G.; KAEBLER, A. Learning OpenCV: Computer vision with the OpenCV library. O'Reilly Media, 1ed, 2008. 575p.

CAMPOS, G. F. C. Sistema robusto de visão computacional para segmentação da gordura da carne. 2014. 58p. Monografia em Ciência da Computação, Universidade Estadual de Londrina, Londrina, 2014.

CAPTA, R.; ALONSO-CALLEJA, C.; GARCÍA-ARIAS, M.T.; GARCÍA-FRENÁDEZ, M.C.; MORENO, B. Aspectos de intés em la calidad microbiológica de la carne de pollo. Eurocarne, v.9, n.73, p.73-86, 1999.

CNA - Confederação Nacional da Agricutura e Pecuária. Disponível em: < http://www.cnabrasil.org.br > Acesso em: 11 maio de 2017.

DOWNES, F. P.; ITO, K. Compendium of methods for the examination of foods. American Public Health Association, 2ed, Washington:APHA, 2001. 600p.

FONTOURA,C.L; ROSSI JÚNIOR, O.D.; MARTINELI, T.M.; CERESER, N.D. Estudo microbiológico em carcaças bovinas e influência da refrigeração sobre a microbiota contaminante. Arquivos do Instituto Biológico, São Paulo, v.77, n.2, p.189-193, abr./jun., 2010.

FUNG, D.Y.C.; KASTNER, C.L.; HUNT, M.C.; DIKEMAN, M.E.; KROPF, D. Mesophilic and psychrotrophic bacteria population on hot-boned and conventionally processed beef. Journal Food Protection, v.43, p.547-550, 1980.

GONZALEZ, R. C.; WOODS, R. E. Processamento digital de imagens. Prentice Hall, 2ed, 2002. 190p.

IBGE - Instituto Brasileiro de Geografia e Estatística. Introdução ao processamento digital de imagens. Manuais Técnicos em Geociências n.9, 2001. 91p.

ISMAIL, A. H.; MARHABAN, M.H. A Simple Approach to Determine the Best Threshold Value for Automatic Image Thresholding. Disponível em: < https://www.researchgate.net/publication/251921839_A_simple_approach_to_determine_the_best_threshold_value_for_automatic_image_thresholding> Acesso em: 18 maio de 2017.

JAY, J. M. Microbiologia de alimentos. Artmed, 6ed, 2005. 711p.

KOENIGKAN, V. L. Método para Análise do Contorno de Aglomerados de Gotas de Chuva

Artificial em Imagem Digital. 2005. 142p. Dissertação de Mestrado, Universidade de São Paulo, São Carlos, 2005.

LOPES, L. P.; VILLAÇA, M.V.M. Sistema Microcontrolado de Aquisição e Tratamento de Imagem para Contagem Automática de Colônias de Bactérias. Revista Ilha Digital, v.1, p. 31-41, 2009.

MARTINS, A. P. ; PIZOLATO JUNIOR, J. C. ; BELINI, V. L. Monitoramento da taxa de crescimento de colônias de Saccharomyces Cerevisiae. In: VIII Workshop de Visão Computacional, 2012, Góias-GO. VIII Workshop de Visão Computacional, 2012.

OSOWSKY, J. Sistema Automatizado para Contagem de Colônias Através de Processamento Digital de Imagem. 1999. Dissertação de Mestrado, Programa de Pós-Gradua-

Ã§Ã£o em Engenharia Elétrica e Informática Industrial, CPGEI/CEFET, Curitiba, 1999.

OTSU, N. A threshold selection method from gray-level histograms. IEEE Transactions on

Systems, Man, and Cybernetics. v.9, n.1, p. 62-66, 1979.

OYAMA, P. I. C. Método para classificação de café em grãos por imagens digitais pelo uso de atributos selecionados de morfologia, cor e textura. 2014. 150p. Dissertação (Mestrado em Processamento de Sinais de Instrumentação) - Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2014.

PLOTZE, R. O. Identificação de especies vegetais atraves da analise da forma interna de órgãos foliares. 2004. 169p. Dissertação de Mestrado, Universidade de São Paulo, São Carlos, 2004.

RODRIGUES, V.C. Distribuição espacial e bem-estar de aves poedeiras em condições de estresse e conforto térmico utilizando visão computacional e inteligência artificial. 2006. 101p. Dissertação de Mestrado, Universidade de São Paulo, Piracicaba, 2006.

SCHOWENGERDT, R. A. Remote sensing: models and methods for image processing. Acedemic Press, 3ed, 1997. 522p.

SEZGIN, M.; SANKUR, B. Survey over image thresholding techniques and quantitative performance evaluation. Journal of Electronic Imaging, v.13, n.1, p. 146-165, 2004.

SOBEL, I.; FELDMAN, G. "A 3x3 Isotropic Gradient Operator for Image Processing", presented at the Stanford Artificial Intelligence Project (SAIL) in 1968. Disponível em: <https://www.researchgate.net/publication/239398674_An_Isotropic_3_3_Image_Gradient_Operator> Acesso em: 18 maio de 2017.